1.基于射频信号的人体心率估计方法,其特征在于:包括如下步骤:
步骤1:数据采集;
使用FMCW雷达与ECG模拟心电传感器对目标人员进行观测;FMCW雷达发出指定频段的射频信号;射频信号与被人体反射的回波信号,经混频器mixer计算后得到雷达中频IF信号数据;ECG传感器采集目标人员实时心率;将得到的IF信号数据与实时心率数据存于一个数据文件中;
步骤2:使用距离傅里叶变换构建数据集;
对步骤1得到的IF信号使用距离傅里叶变换Range-FFT,得到被监测人员的位置信息及雷达信号相位;根据矩阵中人员所在位置提取雷达相位数据,同时,读取ECG心率数据,并将其与同时段24帧雷达相位数据相关联,雷达单位帧的时长为0.05s,从而完成样本数据集的创建;
步骤3:构建并训练基于ResNet50的心率预测网络;
以ResNet50作为心率预测网络的主架构,以步骤2创建的样本数据集作为输入,使用随机梯度下降优化器对网络进行训练;其输出结果设置为单一数值,即预测出的实时心率;在经过多次随机梯度下降训练后,选择准确率大于90%的网络模型参数保存;
步骤4:应用训练好的网络模型进行实时心率预测;
加载步骤3保存的网络模型参数,并对雷达信号数据进行实时采集;当数据采集时长满足条件后,输入训练好的网络模型进行预测计算,并将得到的结果输出给用户;在预测过程中,利用Range-FFT得到的人员位置信息作为参考信息,如果人员位置的变动超过设定阈值,则舍弃相应的数据,仍采用上一时刻的预测心率作为输出,并及时提示用户。
2.根据权利要求1所述的基于射频信号的人体心率估计方法,其特征在于:步骤1中,对于雷达信号数据,FMCW雷达生成一个线性调频脉冲,经过发射器发出脉冲;两个脉冲发射的间隔时间为一个雷达帧,设雷达发射信号为s(t),当脉冲信号到达目标人员时,人体充当反射器的作用,将胸腔震动所调制的脉冲信号反射,并由接收器接收;设接收信号为r(t),将发射信号s(t)与接受信号r(t)经过混频器处理,得到IF信号y(t),再经模/数转换器ADC处理,生成y(t)的数字信号;该数字信号以二维矩阵的形式保存;二维矩阵的列宽由ADC采样频率决定,行数由观测时间内雷达帧的个数决定。
3.根据权利要求1所述的基于射频信号的人体心率估计方法,其特征在于:步骤2中,Range-FFT变换是对雷达数据二维矩阵的每一行做快速傅里叶变换,变换后得到每一帧被监测人员的位置信息及雷达信号相位。
4.根据权利要求1所述的基于射频信号的人体心率估计方法,其特征在于:数据关联的具体操作为,使用长度为24的滑动窗算法,处理提取的雷达相位数据,与每个窗口对应时段的ECG心率数据封装;对所有雷达信号数据和心率数据重复上述操作,即得到样本数据集;完成上述操作之后,将样本数据集划分为两部分,随机挑选数据集的20%组成测试集,剩余80%作为训练集。
5.根据权利要求1所述的基于射频信号的人体心率估计方法,其特征在于:步骤3中,基于ResNet50的心率预测网络包括STAGE0、STAGE1、STAGE2、STAGE3、STAGE4。
6.根据权利要求5所述的基于射频信号的人体心率估计方法,其特征在于:STAGE0中包括依次连接的两个模块,其中第一个模块包含卷积CONV、批量归一化BN和激活函数RELU,第二个模块为最大池化模块MAXPOOL。
7. 根据权利要求5所述的基于射频信号的人体心率估计方法,其特征在于:STAGE1~STAGE4分别包含3、4、6、3个残差单元Bottleneck;在STAGE4的末尾经过平均池化模块Average Pool与全连接模块Fully Connected后得到网络的输出。
8. 根据权利要求7所述的基于射频信号的人体心率估计方法,其特征在于:残差单元Bottleneck分为Conv Block和Identity Block两类;
Conv Block的输入数据分别经过3个卷积块与单个卷积块,对两者进行相加,再经过RELU激活函数处理后输出;
Identity Block的输入数据经过3个卷积块后与自身相加,再经过RELU激活函数处理后输出;
在两种残差单元的3个卷积块中,最后一个卷积块相比前两块缺少RELU激活函数。
9. 根据权利要求5所述的基于射频信号的人体心率估计方法,其特征在于:ResNet50的相关参数设置如下:STAGE0的输入数据通道数量设置为1,平均池化层的输出大小设置为(1, 1),全连接层中的分类数量设置为1;将构建的ResNet50网络设置为train模式,网络优化器选用带有动量的随机梯度下降方法,网络预测的误差统计标准选用均值平方误差。